CareLit · DOI-Nachweis · Das Gesundheitswesen
Identifizierung von Covid-19 Infektionen und Virusvarianten durch maschinelles Lernen basierend auf Symptommustern
DOI 10.1055/s-0043-1762794
Bibliografische Angaben
Nachweis in CareLit
Autor:innenBuess, M.; Grüne, B.; Kugler, S.; Ginzel, S.; Wolff, A.; Kossow, A.; Küfer-Weiß, A.; Rüping, S.; Neuhann, F.
ZeitschriftDas Gesundheitswesen
AusgabeS 01/2023
Jahrgang / SeitenJg. 85 · S. 1 bis 1
Kernaussage aus der Literatur
Abstract-Vorschau
Hintergrund Hohe SARS-CoV-2 Infektionsraten in Köln benötigten neue, innovative Methoden zur Benachrichtigung, Überwachung und Meldung von Indexund Kontaktpersonen. Die von der Stadt Köln entwickelte Software zur Verwaltung von Covid-19 Fällen (DiKoMa) enthält einen Bereich mit digitalen Symptom-Tagebüchern, welche von den Patienten selbst ausgefüllt werden und welche es dem Gesundheitsamt erlauben eine Priorisierun…
Zitieren
Zitierempfehlung
Buess, M.; Grüne, B.; Kugler, S.; Ginzel, S.; Wolff, A.; Kossow, A.; Küfer-Weiß, A.; Rüping, S.; Neuhann, F (2023) Identifizierung von Covid-19 Infektionen und Virusvarianten durch maschinelles Lernen basierend auf Symptommustern. Das Gesundheitswesen, 85 (S 01), 1 bis 1. https://doi.org/10.1055/s-0043-1762794
Mit CareLit weiterarbeiten